1. 前言

在執(zhí)行一些 IO 密集型任務(wù)的時(shí)候，程序常常會(huì)因?yàn)榈却?IO 而阻塞。比如在網(wǎng)絡(luò)爬蟲中，如果我們使用 requests 庫(kù)來(lái)進(jìn)行請(qǐng)求的話，如果網(wǎng)站響應(yīng)速度過(guò)慢，程序一直在等待網(wǎng)站響應(yīng)，最后導(dǎo)致其爬取效率是非常非常低的。

為了解決這類問(wèn)題，本文就來(lái)探討一下 Python 中異步協(xié)程來(lái)加速的方法，此種方法對(duì)于 IO 密集型任務(wù)非常有效。如將其應(yīng)用到網(wǎng)絡(luò)爬蟲中，爬取效率甚至可以成百倍地提升。

注：本文協(xié)程使用 async/await 來(lái)實(shí)現(xiàn)，需要 Python 3.5 及以上版本。

2. 基本了解

在了解異步協(xié)程之前，我們首先得了解一些基礎(chǔ)概念，如阻塞和非阻塞、同步和異步、多進(jìn)程和協(xié)程。

2.1 阻塞

阻塞狀態(tài)指程序未得到所需計(jì)算資源時(shí)被掛起的狀態(tài)。程序在等待某個(gè)操作完成期間，自身無(wú)法繼續(xù)干別的事情，則稱該程序在該操作上是阻塞的。

常見的阻塞形式有：網(wǎng)絡(luò) I/O 阻塞、磁盤 I/O 阻塞、用戶輸入阻塞等。阻塞是無(wú)處不在的，包括 CPU 切換上下文時(shí)，所有的進(jìn)程都無(wú)法真正干事情，它們也會(huì)被阻塞。如果是多核 CPU 則正在執(zhí)行上下文切換操作的核不可被利用。

2.2 非阻塞

程序在等待某操作過(guò)程中，自身不被阻塞，可以繼續(xù)運(yùn)行干別的事情，則稱該程序在該操作上是非阻塞的。

非阻塞并不是在任何程序級(jí)別、任何情況下都可以存在的。

僅當(dāng)程序封裝的級(jí)別可以囊括獨(dú)立的子程序單元時(shí)，它才可能存在非阻塞狀態(tài)。

非阻塞的存在是因?yàn)樽枞嬖冢驗(yàn)槟硞€(gè)操作阻塞導(dǎo)致的耗時(shí)與效率低下，我們才要把它變成非阻塞的。

2.3 同步

不同程序單元為了完成某個(gè)任務(wù)，在執(zhí)行過(guò)程中需靠某種通信方式以協(xié)調(diào)一致，稱這些程序單元是同步執(zhí)行的。

例如購(gòu)物系統(tǒng)中更新商品庫(kù)存，需要用“行鎖”作為通信信號(hào)，讓不同的更新請(qǐng)求強(qiáng)制排隊(duì)順序執(zhí)行，那更新庫(kù)存的操作是同步的。

簡(jiǎn)言之，同步意味著有序。

2.4 異步

為完成某個(gè)任務(wù)，不同程序單元之間過(guò)程中無(wú)需通信協(xié)調(diào)，也能完成任務(wù)的方式，不相關(guān)的程序單元之間可以是異步的。

例如，爬蟲下載網(wǎng)頁(yè)。調(diào)度程序調(diào)用下載程序后，即可調(diào)度其他任務(wù)，而無(wú)需與該下載任務(wù)保持通信以協(xié)調(diào)行為。不同網(wǎng)頁(yè)的下載、保存等操作都是無(wú)關(guān)的，也無(wú)需相互通知協(xié)調(diào)。這些異步操作的完成時(shí)刻并不確定。

簡(jiǎn)言之，異步意味著無(wú)序。

2.5 多進(jìn)程

多進(jìn)程就是利用 CPU 的多核優(yōu)勢(shì)，在同一時(shí)間并行地執(zhí)行多個(gè)任務(wù)，可以大大提高執(zhí)行效率。

2.6 協(xié)程

協(xié)程，英文叫做 Coroutine，又稱微線程，纖程，協(xié)程是一種用戶態(tài)的輕量級(jí)線程。

協(xié)程擁有自己的寄存器上下文和棧。協(xié)程調(diào)度切換時(shí)，將寄存器上下文和棧保存到其他地方，在切回來(lái)的時(shí)候，恢復(fù)先前保存的寄存器上下文和棧。因此協(xié)程能保留上一次調(diào)用時(shí)的狀態(tài)，即所有局部狀態(tài)的一個(gè)特定組合，每次過(guò)程重入時(shí)，就相當(dāng)于進(jìn)入上一次調(diào)用的狀態(tài)。

協(xié)程本質(zhì)上是個(gè)單進(jìn)程，協(xié)程相對(duì)于多進(jìn)程來(lái)說(shuō)，無(wú)需線程上下文切換的開銷，無(wú)需原子操作鎖定及同步的開銷，編程模型也非常簡(jiǎn)單。

我們可以使用協(xié)程來(lái)實(shí)現(xiàn)異步操作，比如在網(wǎng)絡(luò)爬蟲場(chǎng)景下，我們發(fā)出一個(gè)請(qǐng)求之后，需要等待一定的時(shí)間才能得到響應(yīng)，但其實(shí)在這個(gè)等待過(guò)程中，程序可以干許多其他的事情，等到響應(yīng)得到之后才切換回來(lái)繼續(xù)處理，這樣可以充分利用 CPU 和其他資源，這就是異步協(xié)程的優(yōu)勢(shì)。

3. 異步協(xié)程用法

接下來(lái)讓我們來(lái)了解下協(xié)程的實(shí)現(xiàn)，從 Python 3.4 開始，Python 中加入了協(xié)程的概念，但這個(gè)版本的協(xié)程還是以生成器對(duì)象為基礎(chǔ)的，在 Python 3.5 則增加了 async/await，使得協(xié)程的實(shí)現(xiàn)更加方便。

Python 中使用協(xié)程最常用的庫(kù)莫過(guò)于 asyncio，所以本文會(huì)以 asyncio 為基礎(chǔ)來(lái)介紹協(xié)程的使用。

首先我們需要了解下面幾個(gè)概念：

event_loop：事件循環(huán)，相當(dāng)于一個(gè)無(wú)限循環(huán)，我們可以把一些函數(shù)注冊(cè)到這個(gè)事件循環(huán)上，當(dāng)滿足條件發(fā)生的時(shí)候，就會(huì)調(diào)用對(duì)應(yīng)的處理方法。

coroutine：中文翻譯叫協(xié)程，在 Python 中常指代為協(xié)程對(duì)象類型，我們可以將協(xié)程對(duì)象注冊(cè)到時(shí)間循環(huán)中，它會(huì)被事件循環(huán)調(diào)用。我們可以使用 async 關(guān)鍵字來(lái)定義一個(gè)方法，這個(gè)方法在調(diào)用時(shí)不會(huì)立即被執(zhí)行，而是返回一個(gè)協(xié)程對(duì)象。

task：任務(wù)，它是對(duì)協(xié)程對(duì)象的進(jìn)一步封裝，包含了任務(wù)的各個(gè)狀態(tài)。

future：代表將來(lái)執(zhí)行或沒(méi)有執(zhí)行的任務(wù)的結(jié)果，實(shí)際上和 task 沒(méi)有本質(zhì)區(qū)別。

另外我們還需要了解 async/await 關(guān)鍵字，它是從 Python 3.5 才出現(xiàn)的，專門用于定義協(xié)程。其中，async 定義一個(gè)協(xié)程，await 用來(lái)掛起阻塞方法的執(zhí)行。

3.1 定義協(xié)程

首先我們來(lái)定義一個(gè)協(xié)程，體驗(yàn)一下它和普通進(jìn)程在實(shí)現(xiàn)上的不同之處，代碼如下：

import asyncio
async def execute(x):
    print('Number:', x)
coroutine = execute(1)
print('Coroutine:', coroutine)
print('After calling execute')
loop = asyncio.get_event_loop()
loop.run_until_complete(coroutine)
print('After calling loop')

運(yùn)行結(jié)果：

Coroutine: <coroutine object execute at 0x1034cf830>
After calling execute
Number: 1
After calling loop

首先我們引入了 asyncio 這個(gè)包，這樣我們才可以使用 async 和 await，然后我們使用 async 定義了一個(gè) execute() 方法，方法接收一個(gè)數(shù)字參數(shù)，方法執(zhí)行之后會(huì)打印這個(gè)數(shù)字。

隨后我們直接調(diào)用了這個(gè)方法，然而這個(gè)方法并沒(méi)有執(zhí)行，而是返回了一個(gè) coroutine 協(xié)程對(duì)象。隨后我們使用 get_event_loop() 方法創(chuàng)建了一個(gè)事件循環(huán) loop，并調(diào)用了 loop 對(duì)象的 run_until_complete() 方法將協(xié)程注冊(cè)到事件循環(huán) loop 中，然后啟動(dòng)。最后我們才看到了 execute() 方法打印了輸出結(jié)果。

可見，async 定義的方法就會(huì)變成一個(gè)無(wú)法直接執(zhí)行的 coroutine 對(duì)象，必須將其注冊(cè)到事件循環(huán)中才可以執(zhí)行。

上文我們還提到了 task，它是對(duì) coroutine 對(duì)象的進(jìn)一步封裝，它里面相比 coroutine 對(duì)象多了運(yùn)行狀態(tài)，比如 running、finished 等，我們可以用這些狀態(tài)來(lái)獲取協(xié)程對(duì)象的執(zhí)行情況。

在上面的例子中，當(dāng)我們將 coroutine 對(duì)象傳遞給 run_until_complete() 方法的時(shí)候，實(shí)際上它進(jìn)行了一個(gè)操作就是將 coroutine 封裝成了 task 對(duì)象，我們也可以顯式地進(jìn)行聲明，如下所示：

import asyncio
async def execute(x):
    print('Number:', x)
    return x
coroutine = execute(1)
print('Coroutine:', coroutine)
print('After calling execute')
loop = asyncio.get_event_loop()
task = loop.create_task(coroutine)
print('Task:', task)
loop.run_until_complete(task)
print('Task:', task)
print('After calling loop')

運(yùn)行結(jié)果：

Coroutine: <coroutine object execute at 0x10e0f7830>
After calling execute
Task: <Task pending coro=<execute() running at demo.py:4>>
Number: 1
Task: <Task finished coro=<execute() done, defined at demo.py:4> result=1>
After calling loop

這里我們定義了 loop 對(duì)象之后，接著調(diào)用了它的 create_task() 方法將 coroutine 對(duì)象轉(zhuǎn)化為了 task 對(duì)象，隨后我們打印輸出一下，發(fā)現(xiàn)它是 pending 狀態(tài)。接著我們將 task 對(duì)象添加到事件循環(huán)中得到執(zhí)行，隨后我們?cè)俅蛴≥敵鲆幌?task 對(duì)象，發(fā)現(xiàn)它的狀態(tài)就變成了 finished，同時(shí)還可以看到其 result 變成了 1，也就是我們定義的 execute() 方法的返回結(jié)果。

另外定義 task 對(duì)象還有一種方式，就是直接通過(guò) asyncio 的 ensure_future() 方法，返回結(jié)果也是 task 對(duì)象，這樣的話我們就可以不借助于 loop 來(lái)定義，即使我們還沒(méi)有聲明 loop 也可以提前定義好 task 對(duì)象，寫法如下：

import asyncio
async def execute(x):
    print('Number:', x)
    return x
coroutine = execute(1)
print('Coroutine:', coroutine)
print('After calling execute')
task = asyncio.ensure_future(coroutine)
print('Task:', task)
loop = asyncio.get_event_loop()
loop.run_until_complete(task)
print('Task:', task)
print('After calling loop')

運(yùn)行結(jié)果：

Coroutine: <coroutine object execute at 0x10aa33830>
After calling execute
Task: <Task pending coro=<execute() running at demo.py:4>>
Number: 1
Task: <Task finished coro=<execute() done, defined at demo.py:4> result=1>
After calling loop

發(fā)現(xiàn)其效果都是一樣的。

3.2 綁定回調(diào)

另外我們也可以為某個(gè) task 綁定一個(gè)回調(diào)方法，來(lái)看下面的例子：

import asyncio
import requests
async def request():
    url = 'https://www.baidu.com'
    status = requests.get(url)
    return status
def callback(task):
    print('Status:', task.result())
coroutine = request()
task = asyncio.ensure_future(coroutine)
task.add_done_callback(callback)
print('Task:', task)
loop = asyncio.get_event_loop()
loop.run_until_complete(task)
print('Task:', task)

在這里我們定義了一個(gè) request() 方法，請(qǐng)求了百度，返回狀態(tài)碼，但是這個(gè)方法里面我們沒(méi)有任何 print() 語(yǔ)句。隨后我們定義了一個(gè) callback() 方法，這個(gè)方法接收一個(gè)參數(shù)，是 task 對(duì)象，然后調(diào)用 print() 方法打印了 task 對(duì)象的結(jié)果。這樣我們就定義好了一個(gè) coroutine 對(duì)象和一個(gè)回調(diào)方法，我們現(xiàn)在希望的效果是，當(dāng) coroutine 對(duì)象執(zhí)行完畢之后，就去執(zhí)行聲明的 callback() 方法。

那么它們二者怎樣關(guān)聯(lián)起來(lái)呢？很簡(jiǎn)單，只需要調(diào)用 add_done_callback() 方法即可，我們將 callback() 方法傳遞給了封裝好的 task 對(duì)象，這樣當(dāng) task 執(zhí)行完畢之后就可以調(diào)用 callback() 方法了，同時(shí) task 對(duì)象還會(huì)作為參數(shù)傳遞給 callback() 方法，調(diào)用 task 對(duì)象的 result() 方法就可以獲取返回結(jié)果了。

運(yùn)行結(jié)果：

Task: <Task pending coro=<request() running at demo.py:5> cb=[callback() at demo.py:11]>
Status: <Response [200]>
Task: <Task finished coro=<request() done, defined at demo.py:5> result=<Response [200]>>

實(shí)際上不用回調(diào)方法，直接在 task 運(yùn)行完畢之后也可以直接調(diào)用 result() 方法獲取結(jié)果，如下所示：

import asyncio
import requests
async def request():
    url = 'https://www.baidu.com'
    status = requests.get(url)
    return status
coroutine = request()
task = asyncio.ensure_future(coroutine)
print('Task:', task)
loop = asyncio.get_event_loop()
loop.run_until_complete(task)
print('Task:', task)
print('Task Result:', task.result())

運(yùn)行結(jié)果是一樣的：

Task: <Task pending coro=<request() running at demo.py:4>>
Task: <Task finished coro=<request() done, defined at demo.py:4> result=<Response [200]>>
Task Result: <Response [200]>

3.3 多任務(wù)協(xié)程

上面的例子我們只執(zhí)行了一次請(qǐng)求，如果我們想執(zhí)行多次請(qǐng)求應(yīng)該怎么辦呢？我們可以定義一個(gè) task 列表，然后使用 asyncio 的 wait() 方法即可執(zhí)行，看下面的例子：

import asyncio
import requests
async def request():
    url = 'https://www.baidu.com'
    status = requests.get(url)
    return status
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
print('Tasks:', tasks)
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
for task in tasks:
    print('Task Result:', task.result())

這里我們使用一個(gè) for 循環(huán)創(chuàng)建了五個(gè) task，組成了一個(gè)列表，然后把這個(gè)列表首先傳遞給了 asyncio 的 wait() 方法，然后再將其注冊(cè)到時(shí)間循環(huán)中，就可以發(fā)起五個(gè)任務(wù)了。最后我們?cè)賹⑷蝿?wù)的運(yùn)行結(jié)果輸出出來(lái)，運(yùn)行結(jié)果如下：

Tasks: [<Task pending coro=<request() running at demo.py:5>>, <Task pending coro=<request() running at demo.py:5>>, 
<Task pending coro=<request() running at demo.py:5>>, <Task pending coro=<request() running at demo.py:5>>, 
<Task pending coro=<request() running at demo.py:5>>]
Task Result: <Response [200]>
Task Result: <Response [200]>
Task Result: <Response [200]>
Task Result: <Response [200]>
Task Result: <Response [200]>

可以看到五個(gè)任務(wù)被順次執(zhí)行了，并得到了運(yùn)行結(jié)果。

3.4 協(xié)程實(shí)現(xiàn)

前面說(shuō)了這么一通，又是 async，又是 coroutine，又是 task，又是 callback，但似乎并沒(méi)有看出協(xié)程的優(yōu)勢(shì)??？反而寫法上更加奇怪和麻煩了，別急，上面的案例只是為后面的使用作鋪墊，接下來(lái)我們正式來(lái)看下協(xié)程在解決 IO 密集型任務(wù)上有怎樣的優(yōu)勢(shì)吧！

上面的代碼中，我們用一個(gè)網(wǎng)絡(luò)請(qǐng)求作為示例，這就是一個(gè)耗時(shí)等待的操作，因?yàn)槲覀冋?qǐng)求網(wǎng)頁(yè)之后需要等待頁(yè)面響應(yīng)并返回結(jié)果。耗時(shí)等待的操作一般都是 IO 操作，比如文件讀取、網(wǎng)絡(luò)請(qǐng)求等等。協(xié)程對(duì)于處理這種操作是有很大優(yōu)勢(shì)的，當(dāng)遇到需要等待的情況的時(shí)候，程序可以暫時(shí)掛起，轉(zhuǎn)而去執(zhí)行其他的操作，從而避免一直等待一個(gè)程序而耗費(fèi)過(guò)多的時(shí)間，充分利用資源。

為了表現(xiàn)出協(xié)程的優(yōu)勢(shì)，我們需要先創(chuàng)建一個(gè)合適的實(shí)驗(yàn)環(huán)境，最好的方法就是模擬一個(gè)需要等待一定時(shí)間才可以獲取返回結(jié)果的網(wǎng)頁(yè)，上面的代碼中使用了百度，但百度的響應(yīng)太快了，而且響應(yīng)速度也會(huì)受本機(jī)網(wǎng)速影響，所以最好的方式是自己在本地模擬一個(gè)慢速服務(wù)器，這里我們選用 Flask。

如果沒(méi)有安裝 Flask 的話可以執(zhí)行如下命令安裝：

pip3 install flask

然后編寫服務(wù)器代碼如下：

from flask import Flask
import time
app = Flask(__name__)
@app.route('/')
def index():
    time.sleep(3)
    return 'Hello!'
if __name__ == '__main__':
    app.run(threaded=True)

這里我們定義了一個(gè) Flask 服務(wù)，主入口是 index() 方法，方法里面先調(diào)用了 sleep() 方法休眠 3 秒，然后接著再返回結(jié)果，也就是說(shuō)，每次請(qǐng)求這個(gè)接口至少要耗時(shí) 3 秒，這樣我們就模擬了一個(gè)慢速的服務(wù)接口。

注意這里服務(wù)啟動(dòng)的時(shí)候，run() 方法加了一個(gè)參數(shù) threaded，這表明 Flask 啟動(dòng)了多線程模式，不然默認(rèn)是只有一個(gè)線程的。如果不開啟多線程模式，同一時(shí)刻遇到多個(gè)請(qǐng)求的時(shí)候，只能順次處理，這樣即使我們使用協(xié)程異步請(qǐng)求了這個(gè)服務(wù)，也只能一個(gè)一個(gè)排隊(duì)等待，瓶頸就會(huì)出現(xiàn)在服務(wù)端。所以，多線程模式是有必要打開的。

啟動(dòng)之后，F(xiàn)lask 應(yīng)該默認(rèn)會(huì)在 127.0.0.1:5000 上運(yùn)行，運(yùn)行之后控制臺(tái)輸出結(jié)果如下：

 * Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)

接下來(lái)我們?cè)僦匦率褂蒙厦娴姆椒ㄕ?qǐng)求一遍：

import asyncio
import requests
import time
 
start = time.time()
 
async def request():
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    response = requests.get(url)
    print('Get response from', url, 'Result:', response.text)
 
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
 
end = time.time()
print('Cost time:', end - start)

在這里我們還是創(chuàng)建了五個(gè) task，然后將 task 列表傳給 wait() 方法并注冊(cè)到時(shí)間循環(huán)中執(zhí)行。

運(yùn)行結(jié)果如下：

Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Cost time: 15.049368143081665

可以發(fā)現(xiàn)和正常的請(qǐng)求并沒(méi)有什么兩樣，依然還是順次執(zhí)行的，耗時(shí) 15 秒，平均一個(gè)請(qǐng)求耗時(shí) 3 秒，說(shuō)好的異步處理呢？

其實(shí)，要實(shí)現(xiàn)異步處理，我們得先要有掛起的操作，當(dāng)一個(gè)任務(wù)需要等待 IO 結(jié)果的時(shí)候，可以掛起當(dāng)前任務(wù)，轉(zhuǎn)而去執(zhí)行其他任務(wù)，這樣我們才能充分利用好資源，上面方法都是一本正經(jīng)的串行走下來(lái)，連個(gè)掛起都沒(méi)有，怎么可能實(shí)現(xiàn)異步？想太多了。

要實(shí)現(xiàn)異步，接下來(lái)我們?cè)倭私庖幌?await 的用法，使用 await 可以將耗時(shí)等待的操作掛起，讓出控制權(quán)。當(dāng)協(xié)程執(zhí)行的時(shí)候遇到 await，時(shí)間循環(huán)就會(huì)將本協(xié)程掛起，轉(zhuǎn)而去執(zhí)行別的協(xié)程，直到其他的協(xié)程掛起或執(zhí)行完畢。

所以，我們可能會(huì)將代碼中的 request() 方法改成如下的樣子：

async def request():
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    response = await requests.get(url)
    print('Get response from', url, 'Result:', response.text)

僅僅是在 requests 前面加了一個(gè) await，然而執(zhí)行以下代碼，會(huì)得到如下報(bào)錯(cuò)：

Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Cost time: 15.048935890197754
Task exception was never retrieved
future: <Task finished coro=<request() done, defined at demo.py:7> exception=TypeError("object Response can't be 
used in 'await' expression",)>
Traceback (most recent call last):
  File "demo.py", line 10, in request
    status = await requests.get(url)
TypeError: object Response can't be used in 'await' expression

這次它遇到 await 方法確實(shí)掛起了，也等待了，但是最后卻報(bào)了這么個(gè)錯(cuò)，這個(gè)錯(cuò)誤的意思是 requests 返回的 Response 對(duì)象不能和 await 一起使用，為什么呢？因?yàn)楦鶕?jù)官方文檔說(shuō)明，await 后面的對(duì)象必須是如下格式之一：

A native coroutine object returned from a native coroutine function，一個(gè)原生 coroutine 對(duì)象。

A generator-based coroutine object returned from a function decorated with types.coroutine()，一個(gè)由 types.coroutine() 修飾的生成器，這個(gè)生成器可以返回 coroutine 對(duì)象。

An object with an await__ method returning an iterator，一個(gè)包含 __await 方法的對(duì)象返回的一個(gè)迭代器。

可以參見：https://www.python.org/dev/peps/pep-0492/#await-expression。

reqeusts 返回的 Response 不符合上面任一條件，因此就會(huì)報(bào)上面的錯(cuò)誤了。

那么有的小伙伴就發(fā)現(xiàn)了，既然 await 后面可以跟一個(gè) coroutine 對(duì)象，那么我用 async 把請(qǐng)求的方法改成 coroutine 對(duì)象不就可以了嗎？所以就改寫成如下的樣子：

import asyncio
import requests
import time
start = time.time()
async def get(url):
    return requests.get(url)
async def request():
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    response = await get(url)
    print('Get response from', url, 'Result:', response.text)
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
end = time.time()
print('Cost time:', end - start)

這里我們將請(qǐng)求頁(yè)面的方法獨(dú)立出來(lái)，并用 async 修飾，這樣就得到了一個(gè) coroutine 對(duì)象，我們運(yùn)行一下看看：

Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Cost time: 15.134317874908447

還是不行，它還不是異步執(zhí)行，也就是說(shuō)我們僅僅將涉及 IO 操作的代碼封裝到 async 修飾的方法里面是不可行的！我們必須要使用支持異步操作的請(qǐng)求方式才可以實(shí)現(xiàn)真正的異步，所以這里就需要 aiohttp 派上用場(chǎng)了。

3.5 使用 aiohttp

aiohttp 是一個(gè)支持異步請(qǐng)求的庫(kù)，利用它和 asyncio 配合我們可以非常方便地實(shí)現(xiàn)異步請(qǐng)求操作。

安裝方式如下：

pip3 install aiohttp

官方文檔鏈接為：https://aiohttp.readthedocs.io/，它分為兩部分，一部分是 Client，一部分是 Server，詳細(xì)的內(nèi)容可以參考官方文檔。

下面我們將 aiohttp 用上來(lái)，將代碼改成如下樣子：

import asyncio
import aiohttp
import time
start = time.time()
async def get(url):
    session = aiohttp.ClientSession()
    response = await session.get(url)
    result = await response.text()
    session.close()
    return result
async def request():
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    result = await get(url)
    print('Get response from', url, 'Result:', result)
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
end = time.time()
print('Cost time:', end - start)

在這里我們將請(qǐng)求庫(kù)由 requests 改成了 aiohttp，通過(guò) aiohttp 的 ClientSession 類的 get() 方法進(jìn)行請(qǐng)求，結(jié)果如下：

Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Waiting for http://127.0.0.1:5000
Get response from http://127.0.0.1:5000 Result: Hello!
Get response from http://127.0.0.1:5000 Result: Hello!
Get response from http://127.0.0.1:5000 Result: Hello!
Get response from http://127.0.0.1:5000 Result: Hello!
Get response from http://127.0.0.1:5000 Result: Hello!
Cost time: 3.0199508666992188

成功了！我們發(fā)現(xiàn)這次請(qǐng)求的耗時(shí)由 15 秒變成了 3 秒，耗時(shí)直接變成了原來(lái)的 1/5。

代碼里面我們使用了 await，后面跟了 get() 方法，在執(zhí)行這五個(gè)協(xié)程的時(shí)候，如果遇到了 await，那么就會(huì)將當(dāng)前協(xié)程掛起，轉(zhuǎn)而去執(zhí)行其他的協(xié)程，直到其他的協(xié)程也掛起或執(zhí)行完畢，再進(jìn)行下一個(gè)協(xié)程的執(zhí)行。

開始運(yùn)行時(shí)，時(shí)間循環(huán)會(huì)運(yùn)行第一個(gè) task，針對(duì)第一個(gè) task 來(lái)說(shuō)，當(dāng)執(zhí)行到第一個(gè) await 跟著的 get() 方法時(shí)，它被掛起，但這個(gè) get() 方法第一步的執(zhí)行是非阻塞的，掛起之后立馬被喚醒，所以立即又進(jìn)入執(zhí)行，創(chuàng)建了 ClientSession 對(duì)象，接著遇到了第二個(gè) await，調(diào)用了 session.get() 請(qǐng)求方法，然后就被掛起了，由于請(qǐng)求需要耗時(shí)很久，所以一直沒(méi)有被喚醒，好第一個(gè) task 被掛起了，那接下來(lái)該怎么辦呢？事件循環(huán)會(huì)尋找當(dāng)前未被掛起的協(xié)程繼續(xù)執(zhí)行，于是就轉(zhuǎn)而執(zhí)行第二個(gè) task 了，也是一樣的流程操作，直到執(zhí)行了第五個(gè) task 的 session.get() 方法之后，全部的 task 都被掛起了。所有 task 都已經(jīng)處于掛起狀態(tài)，那咋辦？只好等待了。3 秒之后，幾個(gè)請(qǐng)求幾乎同時(shí)都有了響應(yīng)，然后幾個(gè) task 也被喚醒接著執(zhí)行，輸出請(qǐng)求結(jié)果，最后耗時(shí)，3 秒！

怎么樣？這就是異步操作的便捷之處，當(dāng)遇到阻塞式操作時(shí)，任務(wù)被掛起，程序接著去執(zhí)行其他的任務(wù)，而不是傻傻地等著，這樣可以充分利用 CPU 時(shí)間，而不必把時(shí)間浪費(fèi)在等待 IO 上。

有人就會(huì)說(shuō)了，既然這樣的話，在上面的例子中，在發(fā)出網(wǎng)絡(luò)請(qǐng)求后，既然接下來(lái)的 3 秒都是在等待的，在 3 秒之內(nèi)，CPU 可以處理的 task 數(shù)量遠(yuǎn)不止這些，那么豈不是我們放 10 個(gè)、20 個(gè)、50 個(gè)、100 個(gè)、1000 個(gè) task 一起執(zhí)行，最后得到所有結(jié)果的耗時(shí)不都是 3 秒左右嗎？因?yàn)檫@幾個(gè)任務(wù)被掛起后都是一起等待的。

理論來(lái)說(shuō)確實(shí)是這樣的，不過(guò)有個(gè)前提，那就是服務(wù)器在同一時(shí)刻接受無(wú)限次請(qǐng)求都能保證正常返回結(jié)果，也就是服務(wù)器無(wú)限抗壓，另外還要忽略 IO 傳輸時(shí)延，確實(shí)可以做到無(wú)限 task 一起執(zhí)行且在預(yù)想時(shí)間內(nèi)得到結(jié)果。

我們這里將 task 數(shù)量設(shè)置成 100，再試一下：

tasks = [asyncio.ensure_future(request()) for _ in range(100)]

耗時(shí)結(jié)果如下：

Cost time: 3.106252670288086

最后運(yùn)行時(shí)間也是在 3 秒左右，當(dāng)然多出來(lái)的時(shí)間就是 IO 時(shí)延了。

可見，使用了異步協(xié)程之后，我們幾乎可以在相同的時(shí)間內(nèi)實(shí)現(xiàn)成百上千倍次的網(wǎng)絡(luò)請(qǐng)求，把這個(gè)運(yùn)用在爬蟲中，速度提升可謂是非?？捎^了。

3.6 與單進(jìn)程、多進(jìn)程對(duì)比

可能有的小伙伴非常想知道上面的例子中，如果 100 次請(qǐng)求，不是用異步協(xié)程的話，使用單進(jìn)程和多進(jìn)程會(huì)耗費(fèi)多少時(shí)間，我們來(lái)測(cè)試一下：

首先來(lái)測(cè)試一下單進(jìn)程的時(shí)間：

import requests
import time
start = time.time()
def request():
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    result = requests.get(url).text
    print('Get response from', url, 'Result:', result)
for _ in range(100):
    request()
end = time.time()
print('Cost time:', end - start)

最后耗時(shí)：

Cost time: 305.16639709472656

接下來(lái)我們使用多進(jìn)程來(lái)測(cè)試下，使用 multiprocessing 庫(kù)：

import requests
import time
import multiprocessing
start = time.time()
def request(_):
    url = 'http://127.0.0.1:5000'
    print('Waiting for', url)
    result = requests.get(url).text
    print('Get response from', url, 'Result:', result)
cpu_count = multiprocessing.cpu_count()
print('Cpu count:', cpu_count)
pool = multiprocessing.Pool(cpu_count)
pool.map(request, range(100))
end = time.time()
print('Cost time:', end - start)

這里我使用了multiprocessing 里面的 Pool 類，即進(jìn)程池。我的電腦的 CPU 個(gè)數(shù)是 8 個(gè)，這里的進(jìn)程池的大小就是 8。

運(yùn)行時(shí)間：

Cost time: 48.17306900024414

可見 multiprocessing 相比單線程來(lái)說(shuō)，還是可以大大提高效率的。

3.7 與多進(jìn)程的結(jié)合

既然異步協(xié)程和多進(jìn)程對(duì)網(wǎng)絡(luò)請(qǐng)求都有提升，那么為什么不把二者結(jié)合起來(lái)呢？在最新的 PyCon 2018 上，來(lái)自 Facebook 的 John Reese 介紹了 asyncio 和 multiprocessing 各自的特點(diǎn)，并開發(fā)了一個(gè)新的庫(kù)，叫做 aiomultiprocess，感興趣的可以了解下：https://www.youtube.com/watch?v=0kXaLh8Fz3k。

這個(gè)庫(kù)的安裝方式是：

pip3 install aiomultiprocess

需要 Python 3.6 及更高版本才可使用。

使用這個(gè)庫(kù)，我們可以將上面的例子改寫如下：

import asyncio
import aiohttp
import time
from aiomultiprocess import Pool
start = time.time()
async def get(url):
    session = aiohttp.ClientSession()
    response = await session.get(url)
    result = await response.text()
    session.close()
    return result
async def request():
    url = 'http://127.0.0.1:5000'
    urls = [url for _ in range(100)]
    async with Pool() as pool:
        result = await pool.map(get, urls)
        return result
coroutine = request()
task = asyncio.ensure_future(coroutine)
loop = asyncio.get_event_loop()
loop.run_until_complete(task)
end = time.time()
print('Cost time:', end - start)

這樣就會(huì)同時(shí)使用多進(jìn)程和異步協(xié)程進(jìn)行請(qǐng)求，當(dāng)然最后的結(jié)果其實(shí)和異步是差不多的：

Cost time: 3.1156570434570312

因?yàn)槲业臏y(cè)試接口的原因，最快的響應(yīng)也是 3 秒，所以這部分多余的時(shí)間基本都是 IO 傳輸時(shí)延。但在真實(shí)情況下，我們?cè)谧雠廊〉臅r(shí)候遇到的情況千變?nèi)f化，一方面我們使用異步協(xié)程來(lái)防止阻塞，另一方面我們使用 multiprocessing 來(lái)利用多核成倍加速，節(jié)省時(shí)間其實(shí)還是非常可觀的。

以上便是 Python 中協(xié)程的基本用法，希望對(duì)大家有幫助。

到此這篇關(guān)于python3爬蟲中異步協(xié)程的用法的文章就介紹到這了,更多相關(guān)python3異步協(xié)程的使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！